1. 安装PyTorch
在官网选择操作系统、下载方式和对应的GPU配置:
如果需要之前的版本可以点击下方链接选择之前的版本:
需要注意对应的CUDA版本号。如何安装、切换多版本CUDA可以参考此前的博客。可通过以下命令查看当前CUDA版本:
cat /usr/local/cuda/version.txt
下载完成后可以通过以下命令检查torch版本及对应的CUDA版本:
python -c "import torch; print(torch.__version__)"
python -c "import torch; print(torch.version.cuda)"
可以通过以下命令查看GPU是否可用:
python
>>> import torch
>>> torch.cuda.is_available() # GPU是否可用
>>> torch.cuda.device_count() # GPU数量
>>> torch.cuda.current_device() # 当前GPU
>>> exit()
例如:
注意,GPU devices从0开始编号。
2. 安装PyTorch Geometric
2.1 快速安装
根据官网,如果PyTorch版本$\ge1.8.0$,可以快速下载:
2.2 自定义安装
自定义下载需要根据当前的PyTorch版本和CUDA版本下载相关的依赖,下载命令如下:
pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-${TORCH}+${CUDA}.html
pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-${TORCH}+${CUDA}.html
pip install torch-geometric
其中,${TORCH}
替换为当前环境下的PyTorch版本,目前支持1.4.0
、1.5.0
、1.6.0
、1.7.0
、1.7.1
、1.8.0
、1.8.1
、和1.9.0
;${CUDA}
替换为指定的CUDA版本,目前支持cpu
、cu92
、cu101
、cu102
、cu110
和cu111
。
例如对于PyTorch 1.8.0/1.8.1和CUDA 10.2:
pip install torch-scatter -f https://pytorch-geometric.com/whl/torch-1.8.0+cu102.html
pip install torch-sparse -f https://pytorch-geometric.com/whl/torch-1.8.0+cu102.html
pip install torch-geometric
2.3 版本依赖
使用自定义安装时,依然可能会出现安装失败的问题,因为pytorch geometric几个相关库之间有比较强的依赖关系,建议是在自定义安装的基础上指定对应库的版本,例如对于pytorch==1.4.0
和cuda==10.1
:
pip install torch-scatter==2.0.4 -f https://pytorch-geometric.com/whl/torch-1.4.0+cu101.html
pip install torch-cluster==1.5.4 -f https://pytorch-geometric.com/whl/torch-1.4.0+cu101.html
pip install torch-sparse==0.6.1 -f https://pytorch-geometric.com/whl/torch-1.4.0+cu101.html
pip install torch-spline-conv==1.2.0 -f https://pytorch-geometric.com/whl/torch-1.4.0+cu101.html
pip install torch-geometric==1.6.0 -f https://pytorch-geometric.com/whl/torch-1.4.0+cu101.html
每个库的版本信息可以在GitHub上的release页找到,例如:
几个相关库的GitHub地址如下: